Обсуждение статьи "Преодоление ограничений машинного обучения (Часть 3): Новый взгляд на неустранимую ошибку"

[MetaQuotes]

Опубликована статья Преодоление ограничений машинного обучения (Часть 3): Новый взгляд на неустранимую ошибку:

В этой статье мы по-новому взглянем на скрытый, геометрический источник ошибок, который незаметно формирует каждое предсказание, сделанное вашими моделями. Переосмысливая то, как мы оцениваем и применяем прогнозы машинного обучения в трейдинге, мы показываем, как эта упущенная из виду перспектива может способствовать принятию более взвешенных решений, повышению доходности и более разумному способу работы с моделями, которые, как нам казалось, мы уже понимаем.

Эта статья познакомит читателя с повышенными ограничениями современных моделей машинного обучения, которым инструкторы явно не обучаются перед развертыванием этих моделей. В области машинного обучения преобладают математические обозначения и литература. А поскольку существует множество уровней абстракции, на которых может учиться практикующий специалист, подход зачастую отличается. Например, некоторые специалисты изучают машинное обучение, используя только высокоуровневые библиотеки, такие как scikit-learn, предоставляющие простую и интуитивно понятную структуру для использования моделей, абстрагируя при этом математические концепции, лежащие в их основе.

Однако, в зависимости от уровня мастерства и степени контроля, которую желает практикующий специалист, иногда эти абстракции необходимо убрать, чтобы увидеть, что на самом деле происходит под капотом. Поэтому в любом проекте, использующем модели машинного обучения, всегда присутствует неустранимая ошибка, хотя о ней редко упоминают напрямую.

Автор: Gamuchirai Zororo Ndawana